跳到主要内容

医疗 AI

医学影像分析​

医学影像 AI 是目前医疗 AI 中商业化最成熟的方向，部分产品已获得 FDA 和 NMPA 审批并进入临床使用。

X 光诊断辅助​

  • 胸片分析：检测肺结节（早期肺癌筛查）、肺炎渗出、气胸、心脏增大
  • 准确率对比：多项研究显示，顶级 AI 模型在肺结节检测上的灵敏度达到 94-97%，与放射科医生相当，但误报率控制上仍有差距
  • 临床价值：作为"第二读片者"，AI 能捕捉医生容易遗漏的微小病灶

CT/MRI 诊断​

  • 脑卒中检测：CT 平扫快速识别出血性/缺血性脑卒中，秒级出报告，争分夺秒
  • 肿瘤分割：自动勾画肿瘤边界，辅助放疗计划制定（节省放射物理师数小时工作量）
  • 骨科 AI：骨龄测定、骨折检测、骨密度评估

病理图像分析​

  • 数字病理（WSI）：超高分辨率的全切片图像，AI 扫描识别癌变区域
  • 细胞分类：白细胞分类计数自动化（血常规）
  • 挑战：病理 AI 需要大量专家标注，标注成本极高

LLM 在医疗中的应用​

病历结构化​

医院积累了大量非结构化病历文本，LLM 可以将其转化为标准化的结构化数据：

  • 从主诉、病史中提取症状、发病时间、持续时间等字段
  • ICD 诊断编码自动推荐
  • SOAP 格式病历自动归类整理

辅助诊断​

  • 基于症状描述给出鉴别诊断列表（排除过程辅助）
  • 罕见病诊断辅助：帮助全科医生发现遗传病、罕见综合征的可能性
  • 重要限制：AI 输出仅供参考，最终诊断权属于执业医师

医患对话​

  • 智能预问诊：患者就诊前的症状采集和初步分诊
  • 出院随访：AI 外呼关注患者康复情况，异常情况转人工
  • 医患沟通辅助：将专业医学术语转化为患者能理解的语言

用药建议​

  • 药物相互作用检查（患者服用多种药物时的潜在风险）
  • 基于患者肝肾功能的剂量调整建议
  • 高风险警示：用药建议 AI 出错可能危及生命，必须有严格的审核机制

药物发现​

AI 在药物发现中的应用正在缩短新药研发的时间线（传统平均 10-15 年）。

分子性质预测​

  • 给定分子结构，预测其生物活性、毒性、溶解度、渗透性（ADMET 属性）
  • **图神经网络（GNN）**是处理分子图结构的主流架构
  • 显著减少湿实验室筛选的化合物范围，从数百万化合物中筛选出候选分子

靶点识别​

  • 从文献和专利数据中挖掘潜在药物靶点
  • 多组学数据（基因组、蛋白质组、代谢组）整合分析
  • 基因型-表型关联分析（GWAS 数据的 AI 解读）

AlphaFold 蛋白结构预测​

DeepMind 的 AlphaFold 2（2021）是 AI in Science 的里程碑事件：

  • 首次以原子级精度预测几乎所有已知蛋白质的三维结构
  • 将原本需要数年实验的蛋白结构解析缩短至数分钟
  • AlphaFold Protein Structure Database 已开放 2 亿+ 蛋白结构
  • 后续：AlphaFold 3（2024）进一步扩展到蛋白质-DNA-小分子复合物预测

临床决策支持系统（CDSS）​

CDSS（Clinical Decision Support System）是在临床工作流中嵌入 AI 建议的系统：

  • 诊断建议：根据患者检查数据，提示可能遗漏的诊断
  • 用药提醒：检测药物过敏史、药物相互作用，实时告警
  • 早期预警：ICU 患者败血症、呼吸衰竭的早期预测（提前数小时告警）
  • 检查推荐：基于诊断路径，推荐下一步应做的检查

医疗数据隐私​

HIPAA（美国）​

  • 医疗信息（PHI）需要严格保护，不得在未获授权的情况下使用
  • 用于 AI 训练的医疗数据需要去标识化（De-identification）
  • 违规处罚：单次事件最高 1.9 亿美元（美国医疗史上最高罚款）

GDPR（欧盟）​

  • 健康数据属于特殊敏感数据（Special Category Data），处理需要额外保护
  • 数据主体有权要求删除其医疗数据

中国医疗数据法规​

  • 《网络安全法》《数据安全法》《个人信息保护法》构成基础框架
  • 医疗数据出境需要安全评估
  • 大型医院数据被视为重要数据资产，受到严格保护

FDA / NMPA 监管​

FDA 对 AI 医疗器械的审批路径​

  • 510(k) 预市通告：与已上市器械实质等同，适合低风险 AI 辅助工具
  • De Novo：新型低风险器械，为同类 AI 产品建立先例
  • PMA（上市前批准）：高风险 AI 器械，需要临床试验数据

截至 2024 年，FDA 已批准超过 700 个 AI/ML 医疗器械，其中影像 AI 占比最高。

NMPA（国家药品监督管理局）​

  • 中国将 AI 医疗器械纳入第二类/第三类医疗器械管理
  • 高风险 AI（如：AI 辅助诊断作为独立诊断依据）需要三类器械注册证
  • 审批周期通常在 2-4 年

挑战与展望​

幻觉风险​

LLM 在医疗场景中的幻觉（Hallucination）问题比普通场景危害更大：

  • 虚构的药物相互作用警告（误告警导致医生忽视真实警告）
  • 捏造的临床研究结论（引用不存在的文献）

缓解策略：RAG（基于权威医学知识库检索增强）+ 引用溯源展示

医疗责任归属​

  • 若 AI 辅助诊断出错导致患者受损，责任由谁承担？
  • 目前主流观点：AI 是辅助工具，医师承担最终责任
  • 但随着 AI 自主性增强，责任归属将日益复杂

数据孤岛​

  • 各医疗机构的数据格式、编码标准不统一（ICD-9 vs ICD-10，不同 HIS 系统）
  • 数据不愿开放共享（商业竞争 + 隐私顾虑）
  • **联邦学习（Federated Learning）**是解决数据孤岛同时保护隐私的技术方向